Введение

Традиционно инвентаризация зеленых насаждений проводится в два этапа: полевая съемка и камеральная обработка полученного материала. В целом это довольно трудоемкий, дорогостоящий и длительный процесс, вследствие чего эту проблему стараются решить на основе данных дистанционного зондирования Земли (ДЗЗ). В последнее десятилетие, в связи с развитием беспилотной техники и появлением малогабаритных камер для ДЗЗ, наблюдается рост подобных разработок с применением беспилотных летательных аппаратов (БПЛА) в качестве платформы для ДЗЗ [1,2]. При этом, использование БПЛА дает ряд преимуществ в виде более оперативного получения информации, по сравнению со спутниками, а результаты съемки, как правило, характеризуются более высоким пространственным и, в случае использования гиперспектрального оборудования, спектральным разрешением. Выявленные, на основе полученных данных, спектральные особенности и рассчитанные вегетационные индексы растительности являются важными переменными, которые можно использовать для характеристики и оценки состояния видов и культур растений [3–9]. Известно, что спектральные характеристики растений имеют общую закономерность, выраженную в снижении отражательной способности в диапазонах 0,45–0,47 мкм и 0,68–0,69 мкм, что соответствует полосам поглощения хлорофилла a и b, при этом максимумы отражения соответствуют зеленой части видимого и ближней части инфракрасного спектра и определяются характером проходящих физиологических процессов (рисунок 1).

 

Рисунок 1 – Спектральный профиль Catalpa speciosa (Warder ex Barney) Warder ex Engelm.

 

 

Материалы и методы исследований 

Объектами исследования являются листья двух видов: Catalpa speciosa (Warder ex Barney) Warder ex Engelm и Armeniaca vulgaris Lam. (рисунок 2). Образцы для анализа отбирали случайным образом, по 10 экземпляров каждого вида на территории интродукционного питомника Ботанического сада ЮФУ.

 

 

Рисунок 2 – Лист Catalpa speciosa (Warder ex Barney) Warder ex Engelm. (справа) и Armeniaca vulgaris Lam. (слева).

 

Исследования спектральных характеристик проведены в лабораторных условиях с использованием кадровой гиперспектральной камеры (рисунок 3) Cubert UHD185 [10,11]. Фиксировалось электромагнитное отраженное излучение на расстоянии 50 см от объектов в диапазоне 450–950 нм. Полученные данные представлены в виде одного панхроматического, размером 1000 × 1000 пикс., и 125-и гиперспектральных изображений, размером 50 × 50 пикс. Пространственное разрешение полученных гиперспектральных данных – приблизительно 35 мм2.

 

Рисунок 3 – Cubert UHD185

 

Гиперспектральную съемку производили 1 раз в неделю в течение одного месяца с 04.10.2018 по 29.10.2018. Всего для 80 образцов двух исследуемых видов было построено 7511 спектральных профиля и рассчитаны по 3-и вегетационных индекса CARI (Chlorophyll Absorption Ratio Index), CRI2 (Carotenoid Reflectance Index) и CSI5(Carter5, Carter Stress Index):

 

                                                   

 

Обработка результатов гиперспектральной съемки проводилась в программе CubePilot с последущим анализом в среде для статистических расчетов R.

 

Результаты исследования

Проведенное исследование показало, что Catalpa speciosa характеризуется большими значениями CSI5 и CARI, а также меньшим разбросом CRI2 (таблица 1). Различия хорошо видны на диаграммах размаха (рисунок 4-6).

 

Таблица 1 – Распределение минимальных и максимальных значений, медианы, 1-го и 3-го квартиля вегетационных индексов CSI5, CRI2 и CARI для Catalpa speciosa (Warder ex Barney) Warder ex Engelm (CS) и Armeniaca vulgaris Lam. (AV)

 

Вид

CS

AV

CS

AV

CS

AV

CS

AV

CS

AV

Дата съемки

04.10.2018

11.10.2018

18.10.2018

29.10.2018

Весь период

CSI5

Min.

2.38

1.01

1.15

1.05

2.31

1.07

1.91

1.01

1.17

1.01

1st Qu.

3.37

1.49

2.23

1.59

3.39

1.58

2.70

1.56

2.66

1.65

Median

3.81

2.00

2.97

2.02

3.88

2.14

3.04

2.00

3.18

2.16

3rd Qu.

4.09

2.37

3.37

2.31

4.13

2.51

3.23

2.24

3.67

2.54

Max.

4.84

3.25

4.71

3.11

4.89

3.40

3.81

3.10

4.89

3.82

CRI2

Min.

0.02

0.00

0.00

0.00

0.03

0.00

0.02

0.00

0.02

0.00

1st Qu.

0.05

0.03

0.02

0.03

0.05

0.02

0.03

0.03

0.04

0.03

Median

0.05

0.05

0.05

0.05

0.05

0.04

0.04

0.05

0.05

0.05

3rd Qu.

0.07

0.06

0.06

0.08

0.06

0.06

0.05

0.06

0.06

0.08

Max.

0.09

0.10

0.11

0.15

0.07

0.10

0.06

0.11

0.08

0.15

CARI

Min.

95.47

63.20

69.25

32.40

89.74

46.68

91.37

49.57

69.25

32.40

1st Qu.

154.63

75.40

110.67

46.02

160.42

63.13

172.70

72.45

136.71

59.40

Median

191.85

83.17

131.58

51.31

188.26

70.37

206.27

81.06

161.63

72.76

3rd Qu.

217.39

90.11

149.15

57.59

208.14

79.65

227.05

89.06

196.81

86.37

Max.

293.49

110.76

194.25

74.79

265.53

103.68

259.35

107.16

285.77

125.27

Рисунок 4 – Диаграмма размаха значений вегетационного индекса CSI5

Рисунок 5 – Диаграмма размаха значений вегетационного индекса CRI2

 

Рисунок 6 – Диаграмма размаха значений вегетационного индекса CARI

 

В трехмерном пространстве CRI2, CSI5 и CARI, в виде точек были размещены значения вегетационных индексов всех 7511 спектральных профилей двух исследуемых видов, при этом точки, характеризующие Catalpa speciosa – окрасили в красный цвет, а Armeniaca vulgaris – в черный.

Как видно на рисунке 7, в результате все значения оказались разбиты на два облака, относящиеся к двум исследуемым видам.

 

Рисунок 7 – Catalpa speciosa (Warder ex Barney) Warder ex Engelm. (красный цвет точек) и Armeniaca vulgaris Lam. (черный цвет точек) в пространстве вегетационных индексов CRI2, CSI5 и CARI.

 

Заключение

В результате проведенного исследования выявлен характер взаимного распределения значений вегетационных индексов двух видов в осях CRI2, CSI5 и CARI.

Результат исследования показал высокую эффективность использования вегетационных индексов CRI2, CSI5 и CARI при обработке гиперспектральных данных для целей идентификации видов Catalpa speciosa (Warder ex Barney) Warder ex Engelm. и Armeniaca vulgaris Lam. при съёмке с малого расстояния.

Учитывая малые размеры Cubert UHD 185 Firefly (195 × 67 × 60 мм) и небольшой вес (всего 0,47 кг), а также тот факт, что она отличается короткой выдержкой и малым временем интеграции – камера может быть установлена на БПЛА и использована для проведения мониторинга и инвентаризации зеленых насаждений.

 

Работа выполнена при финансовой поддержке Фонда содействия инновациям (программа «УМНИК» договор № 11683ГУ/2017 от 03.07.2017)

 

Литература 

  1. Sankaran, S.; Khot, R.; Espinoza, Z.; Jarolmasjed, S.; Sathuvalli, R.; Vandemark, J.; Miklas, N.; Carter, H.; Pumphrey, O.; Knowles, R. Low-altitude, high-resolution aerial imaging systems for row and field crop phenotyping: A review. Eur. J. Agron. 2015, 70, 112–123.
  2. Zarcotejada, J.; Guilléncliment, L.; Hernándezclemente, R.; Catalina, A.; González, R.; Martín, P. Estimating leaf carotenoid content in vineyards using high resolution hyperspectral imagery acquired from an unmanned aerial vehicle (UAV). Agric. For. Meteorol. 2013, 171–172, 281–294.
  3. Huete, A. A soil-adjusted vegetation index (SAVI). Remote Sens. Environ. 1988, 25, 295–309.
  4. Jordan, F. Derivation of Leaf????Area Index from Quality of Light on the Forest Floor. Ecology 1969, 50, 663–666.
  5. Elmore, J.; Mustard, F.; Manning, J. Quantifying vegetation change in semiarid environments: Precision and accuracy of spectral mixture analysis and the normalized difference vegetation index. Remote Sens. Environ. 2000, 73, 87–102.
  6. Jin, L.; Diao, Y.; Xiao, H.; Wang, Y.; Chen, B.; Wang, R. Estimation of wheat agronomic parameters using new spectral indices. PLoS ONE 2013, 8, e72736.
  7. Gitelson, A. Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation. J. Plant Physiol. 2004, 161, 165–173.
  8. Delegido, J.; Fernandez, G.; Gandia, S.; Moreno, J. Retrieval of chlorophyll content and lai of crops using hyperspectral techniques: Application to proba/chris data. Int. J. Remote Sens. 2008, 29, 7107–7127.
  9. Meroni, M.; Colombo, R.; Panigada, C. Inversion of a radiative transfer model with hyperspectral observations for lai mapping in poplar plantations. Remote Sens. Environ. 2004, 92, 195–206.
  10. Bareth, G., Aasen, H., Bendig, J., Gnyp, M.L., Bolten, A., Jung, A., Michels, R., Soukkamäki, J., 2015. Low-weight and UAV-based hyperspectral full-frame cameras for monitoring crops: spectral comparison with portable spectroradiometer measurements. Photogr. – Fernerkundung – Geoinf. 1, 69–79.
  11. Aasen, H., Burkart, A., Bolten, A., Bareth, G., 2015. Generating 3D hyperspectral information with lightweight UAV snapshot cameras for vegetation monitoring: from camera calibration to quality assurance. ISPRS J. Photogramm. Remote Sens. 108 (5), 245–259.
  12. Carter, G. A., 1994. Ratios of leaf reflectances in narrow wavebands as indicators of plant stress. International Journal of Remote Sensing 15 (3), 697–703.
  13. Gitelson, A., Y, G., MN., M., 2003. Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves. Journal of Plant Physiology 160 (3), 271–282.
  14. Kim, M., Daughtry, C., Chappelle, E., McMurtrey, J., Walthall, C., 1994. The use of high spectral resolution bands for estimating absorbed photosynthetically active radiation (Apar). In: Proceedings of the Sixth Symposium on Physical Measurements and Signatures in Remote Sensing. Val D'Isere, France, pp. 299–306.

 

Literature

  1. Sankaran, S.; Khot, R.; Espinoza, Z.; Jarolmasjed, S.; Sathuvalli, R.; Vandemark, J.; Miklas, N.; Carter, H.; Pumphrey, O.; Knowles, R. Low-altitude, high-resolution aerial imaging systems for row and field crop phenotyping: A review. Eur. J. Agron. 2015, 70, 112–123.
  2. Zarcotejada, J.; Guilléncliment, L.; Hernándezclemente, R.; Catalina, A.; González, R.; Martín, P. Estimating leaf carotenoid content in vineyards using high resolution hyperspectral imagery acquired from an unmanned aerial vehicle (UAV). Agric. For. Meteorol. 2013, 171–172, 281–294.
  3. Huete, A. A soil-adjusted vegetation index (SAVI). Remote Sens. Environ. 1988, 25, 295–309.
  4. Jordan, F. Derivation of Leaf????Area Index from Quality of Light on the Forest Floor. Ecology 1969, 50, 663–666.
  5. Elmore, J.; Mustard, F.; Manning, J. Quantifying vegetation change in semiarid environments: Precision and accuracy of spectral mixture analysis and the normalized difference vegetation index. Remote Sens. Environ. 2000, 73, 87–102.
  6. Jin, L.; Diao, Y.; Xiao, H.; Wang, Y.; Chen, B.; Wang, R. Estimation of wheat agronomic parameters using new spectral indices. PLoS ONE 2013, 8, e72736.
  7. Gitelson, A. Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation. J. Plant Physiol. 2004, 161, 165–173.
  8. Delegido, J.; Fernandez, G.; Gandia, S.; Moreno, J. Retrieval of chlorophyll content and lai of crops using hyperspectral techniques: Application to proba/chris data. Int. J. Remote Sens. 2008, 29, 7107–7127.
  9. Meroni, M.; Colombo, R.; Panigada, C. Inversion of a radiative transfer model with hyperspectral observations for lai mapping in poplar plantations. Remote Sens. Environ. 2004, 92, 195–206.
  10. Bareth, G., Aasen, H., Bendig, J., Gnyp, M.L., Bolten, A., Jung, A., Michels, R., Soukkamäki, J., 2015. Low-weight and UAV-based hyperspectral full-frame cameras for monitoring crops: spectral comparison with portable spectroradiometer measurements. Photogr. – Fernerkundung – Geoinf. 1, 69–79.
  11. Aasen, H., Burkart, A., Bolten, A., Bareth, G., 2015. Generating 3D hyperspectral information with lightweight UAV snapshot cameras for vegetation monitoring: from camera calibration to quality assurance. ISPRS J. Photogramm. Remote Sens. 108 (5), 245–259.
  12. Carter, G. A., 1994. Ratios of leaf reflectances in narrow wavebands as indicators of plant stress. International Journal of Remote Sensing 15 (3), 697–703.
  13. Gitelson, A., Y, G., MN., M., 2003. Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves. Journal of Plant Physiology 160 (3), 271–282.
  14. Kim, M., Daughtry, C., Chappelle, E., McMurtrey, J., Walthall, C., 1994. The use of high spectral resolution bands for estimating absorbed photosynthetically active radiation (Apar). In: Proceedings of the Sixth Symposium on Physical Measurements and Signatures in Remote Sensing. Val D'Isere, France, pp. 299–306.

 

Библиографическая ссылка

Марковская В. О., Дмитриев П. А., Козловский Б. Л., Вардуни Т. В., Купрюшкин Д. П., Чохели В. А., Catalpa speciosa (Warder ex Barney) Warder ex Engelm. и Armeniaca vulgaris Lam. в пространстве вегетационных индексов CARI, CRI2 и CSI5 // «Живые и биокосные системы». – 2019. – № 27; URL: http://www.jbks.ru/archive/issue-27/article-9